Tři překážky rozšiřování využití umělé inteligence ve stavebním průmyslu

Co odlišuje úspěšné projekty v oblasti umělé inteligence od těch, které uvízly na mrtvém bodě

Debata o umělé inteligenci v oblasti architektury, inženýrství, stavebnictví a provozu budov (AECO) se posunula od teoretických úvah k praktickému využití. 84 % vedoucích pracovníků ve stavebnictví uvádí, že AI pozitivně ovlivňuje produktivitu. Přesto však zůstává výzvou překlenout propast mezi úspěšným pilotním projektem a skutečnou integrací do každodenní praxe.

V rámci webináře Expert Edge (expertní pohled) o umělé inteligenci sdíleli své zkušenosti a doporučení tři odborníci z firem ARKANCE, Lantis a Autodesk. Jejich poznatky z reálných transformačních projektů pomáhají identifikovat překážky i osvědčené postupy pro úspěšné rozšíření AI v organizaci.

„Jediný kulturní imperativ, na který musí každý CEO reagovat, je tento: uvědomit si, že umělá inteligence už je tady a zaměstnanci ji již používají. Aby bylo možné AI bezpečně škálovat, musí vedení vytvořit jasný trojúhelník tvořený silným leadershipem, důsledným řízením (governance) a průběžným vzděláváním.“

Grégoire Arranz, Global CEO ARKANCE

Organizace, které AI zavádějí, získávají významný potenciál pro vyšší efektivitu a inovace. Rizika jsou však reálná a jejich zvládnutí vyžaduje cílené vedení. Jak během webináře zdůraznil Grégoire Arranz, produktivní mezery v našem odvětví jsou již dnes značné. Čekat, až technologie plně dozraje, znamená riskovat vlastní konkurenceschopnost.

Tři překážky, které nenápadně brzdí zavádění AI

Projekty v oblasti umělé inteligence zřídka selhávají kvůli samotné technologii. Selhávají kvůli tomu, co za ní stojí. V organizacích z odvětví stavebnictví se pravidelně objevují tři překážky a všechny tři lze identifikovat ještě před výběrem jakéhokoli nástroje.

PŘEKÁŽKA Č. 1  Roztříštěné datové prostředí

Připravenost dat není technický problém, ale strategická otázka. Polovina vedoucích pracovníků ve stavebnictví označuje integraci umělé inteligence se stávajícími systémy za zásadní výzvu. Ve většině případů je příčinou totéž: data nejsou dostatečně strukturovaná, dostupná ani důvěryhodná.

Emmanuel Di Giacomo, odborník na BIM a umělou inteligenci ve společnosti Autodesk, tento postup jasně vysvětluje: než může organizace těžit z umělé inteligence, musí nejprve definovat své strategické cíle, zajistit odpovídající zdroje, posoudit dostupná data a stanovit dosažitelné klíčové ukazatele výkonnosti (KPI) s jasným časovým harmonogramem. Ne naopak.

Firmy, které si udržují konkurenceschopnost, budujíspolečná datová prostředí (CDE – Common Data Environment) jako digitální páteř organizace. Ta umožňuje strukturovat a zabezpečit informace ještě předtím, než s nimi začne pracovat umělá inteligence.

V současnosti zůstává 96 % dat ve stavebnictví nevyužito, protože jsou uzavřena v oddělených systémech a organizačních silech. Centralizace dat v CDE zvyšuje důvěryhodnost informací a zároveň řeší důležitý bezpečnostní problém: špatně řízené datové prostředí může zpřístupnit citlivé projektové informace nesprávným osobám.

Grégoire Arranz upozorňuje:

„Tento základ je nezbytný, aby AI mohla pracovat s kvalitními informacemi a poskytovat přesné výsledky. Zároveň je však zásadní i z hlediska bezpečnosti. Pokud nejsou data správně organizována, mohou se důvěrné projektové informace dostat k mnohem širšímu okruhu lidí, než je žádoucí.“

Bez kvalitních dat umělá inteligence neselhává dramaticky. Pouze nenápadně přináší méně hodnoty, než by mohla.

PŘEKÁŽKA Č. 2  Přístup „nástroje na prvním místě“

Týmy, které se dostanou za fázi pilotního projektu, nesvěřují adopci umělé inteligence pouze IT oddělení. Zapojí lidi, kteří mají nejblíže ke skutečné práci. Nejčastější chybou je považovat AI za čistě IT projekt.

Yanissa De Jonghe, Head of Digital & Data ve společnosti Lantis, k tomu říká: „AI vytváří hodnotu pouze tehdy, když je propojena se skutečnou prací. Není úkolem IT nebo digitálního oddělení. Aby měla skutečný dopad, musí se stát součástí DNA organizace.“

To znamená:

• najít interní ambasadory změny,

• zapojit vlastníky procesů,

• vytvořit prostředí, kde je bezpečné experimentovat a učit se z neúspěchů.

Jak dodává Yanissa: „Vytvořte kulturu, ve které je přijatelné testovat nové věci. A pokud selžete, selžete rychle a posunete se dál.“

Nejrychlejší návratnost investice často nepřichází z nejatraktivnějších procesů. Platformy v oblasti stavebnictví dnes integrují umělou inteligenci přímo do nástrojů, které zaměstnanci již používají. V Lantis však největší přínosy přinesla automatizace podpůrných procesů.

Úkoly spojené s administrativou, jako je označování nesrovnalostí ve fakturách a zodpovídání dotazů týkajících se smluv, jsou digitalizovány v menší míře, což znamená, že umělá inteligence má větší potenciál pro okamžitý dopad. Dobrým výchozím bodem je posouzení těchto úkolů a stanovení strategického cíle.

Grégoire s tímto postupným přístupem souhlasí. Zdůrazňuje, že rozdělení inovací na menší, snadno zvládnutelné kroky je nejrychlejší cestou, jak se učit z praxe a průběžně se zlepšovat. Upozorňuje však, že rychlé úspěchy musí být koordinovány na centrální úrovni: „Modularita umožňuje rychlost, ale koordinovaný program zaměřený na zavádění správných zásad a postupů učení je nezbytný k tomu, aby bylo možné tyto poznatky zúročit v celé společnosti.“

PŘEKÁŽKA Č. 3  Neočekávaná křivka přijetí

Tradiční představy o tom, kdo nové technologie odmítá a kdo je přijímá jako první, se v odvětví stavebnictví obracejí naruby. Podceňování lidské stránky adopce je manažerskou chybou, která dokáže zastavit i dobře financované projekty.

Yanissa De Jonghe pozoruje ve společnosti Lantis zajímavý trend: mezi nejaktivnější uživatele AI patří zkušení odborníci, projektoví manažeři a seniorní asistenti, kteří využívají AI ke zvýšení produktivity, nikoliv jako hrozbu.

Stejný trend se projevuje i s nástupem Agentic AI, tedy systémů schopných autonomně vykonávat pracovní postupy.

Grégoire poukazuje na to, že nejvýraznější okamžité dopady se projevují v rolích, které kladou vysoké nároky na data a kontext, konkrétně v oblasti poptávek, nabídek, účetnictví a zákaznické podpory. V této fázi však nejde o úplné přenesení úkolů, ale o využití umělé inteligence jako prostředku ke zvýšení produktivity lidí.

Aby bylo možné překonat tuto překážku a dosáhnout skutečné integrace, je třeba vycházet z aktuální úrovně zaměstnanců a kombinovat specializované technické školení s praktickým výcvikem, čímž se vybuduje trvalá důvěra v tato pokročilá řešení. Zvyšování kvalifikace vašeho týmu zajistí, že tyto integrované platformy umělé inteligence budou aktivně podporovat lidi, kteří projekt řídí.

Otázkou už není ROI, ale RONI

Pro rozhodovací činitele, kteří stále váhají, se diskuse posunula. Riziko nespočívá v investici do umělé inteligence. Spočívá v čekání – a v riziku neinvestování (RONI).

Zatímco tradiční modely návratnosti investic (ROI) se těžko vypočítávají, protože historie této technologie je krátká, náklady nečinnosti jsou zřejmé. Greg odhalil, že ti, kdo tuto technologii zavedli jako první, již dosahují nárůstu produktivity o 5 % až 10 %. V odvětví s nízkými maržemi, jako je stavebnictví, představuje 10% rozdíl v efektivitě okamžitou a nepřekonatelnou konkurenční nevýhodu pro ty, kteří se rozhodli „počkat a uvidíme“.

„Je chybou si myslet, že digitální transformace začíná nástrojem, a ne jasnou organizační potřebou, nebo že investice do umělé inteligence vyžadují obrovský kapitál a pomalou návratnost investic,“ říká Yanissa.

Nazývá to „náklady na zastaralé systémy“: čím déle organizace odkládá vybudování datové základny a schopnosti přizpůsobit se změnám, tím dražší se stává budoucí adaptace. Společnost Lantis to zažila na vlastní kůži, když udeřila pandemie COVID-19 – díky své digitální připravenosti umožnila 300–400 externím dodavatelům přejít na práci na dálku hned první den. To nebyla náhoda. Byl to výsledek rozhodnutí učiněných již před lety.

Emmanuel tvrdí, že budoucnost digitální transformace spočívá v BIM založeném na výsledcích a že integrované nástroje umělé inteligence mohou organizacím v odvětví stavebnictví pomoci vyčistit jejich datový tok, aby rychleji dosáhly zralosti BIM. Při hodnocení řešení doporučuje zajistit, aby podporovala tři pilíře: automatizaci za účelem snížení počtu opakujících se úkolů, asistenci při získávání praktických poznatků a rozšíření schopností s cílem posílit kreativitu projektantů.

Propast mezi pilotními projekty a integrací není technologickým problémem – je to problém dat i lidí, a to ve stejné míře. Organizace, které z umělé inteligence těží nejvíce, nejsou jen ty s čistými a dobře spravovanými daty. Jsou to ty, kde lidé na všech úrovních prosazují její zavádění, kladou lepší otázky a budují nové návyky.

Data dávají umělé inteligenci podklady pro práci. Kultura jí udává směr. Pokud se vám podaří zvládnout obojí, bude základ, který vybudujete, skutečně pevný.

Partner pro inovaci

Grégoire chápe ideální vztah nikoli jako obchodní transakci s dodavatelem, ale jako skutečné partnerství: „Považujeme to za společnou inovační práci. Naši zákazníci jsou vlastníky duševního vlastnictví svých dat a odvětvového know-how – vědí, jak efektivně navrhovat a správně realizovat. ARKANCE přináší metodiku, datovou strukturu a zkušenosti potřebné k nasazení technologie tím nejbezpečnějším, nejzabezpečenějším a nejflexibilnějším způsobem.“

Společnost ARKANCE spolupracuje s organizacemi, aby vedla, vybavila a posílila týmy při zavádění umělé inteligence, od vybudování správného datového základu až po sebevědomé škálování. Prohlédněte si sérii Expert Edge, kde najdete praktické strategie a poučení od zkušených lídrů, kteří utvářejí změnu. Transformace vyžaduje tým. Jsme vaši lidé.

Kontaktujte nás a začněte vytvářet svůj plán zavádění umělé inteligence.